Opencode+Sisyphus，把写代码全“外包”给AI！Cursor只是副驾，它才是全职司机！

Hello，大家好，我是鸿枫。Agent系列已经更新到第四篇，接下来几篇咱们不聊理论，直接上手实战，开启智能体开发的实操之旅。而在实战前，我必须先给大家安利一套压箱底的AI编程组合——Opencode + oh-my-opencode，尤其是搭配其中的Sisyphus（西西弗斯）智能体，直接把代码开发全“外包”给AI，彻底解放双手！

如今Trae、Cursor这类AI编程工具，还在扎堆争抢“最佳副驾”的头衔，本质上还是需要开发者主导方向、把控细节，只能做辅助补全、简单重构的活儿。而开源社区早已跳出这个框架，用Opencode+oh-my-opencode的组合拳，打造出了能独当一面的“全职司机”，而Sisyphus就是这套组合里的核心总指挥，让AI从“辅助工具”升级为“全流程执行者”。值得一提的是，GLM-4.7的问世，也让Anthropic官方的Claude Code迎来了适配新高峰，成为不少开发者的另一优选，咱们后文也会详细拆解这套方案。

老规矩，先上实战效果！这是我用Opencode+oh-my-opencode搭配Sisyphus完成的第一个智能体开发，全程几乎零手动干预：只给了一句需求提示词——“使用Google的ADK完成我的第一个agent开发，包含1个工具[google_search]，构建完成后帮我提问‘北京现在几点了？那里的天气如何？’”，之后就让Sisyphus牵头推进，等待30分钟左右，完整可运行的代码、工具调用流程就全部搞定，过程中不需要我插手任何编码、调试工作。

为什么Opencode+Sisyphus能颠覆编码范式？

比起Cursor这类“副驾型”工具，Opencode+Sisyphus的核心优势在于“全流程自主闭环”，它不是帮你补代码，而是直接接手整个开发任务，真正实现“需求输入-成果输出”的全外包。

一、混合模型调度，比单一模型工具更高效省钱

Cursor这类工具同一时间只能绑定一个模型，想切换模型就得手动操作，且高端模型（如Claude Opus 4.5）在Cursor中使用成本极高，跑一个项目就可能耗光月度额度。而Opencode+oh-my-opencode支持“混合模型策略”，由Sisyphus担任总指挥，智能分配任务给不同模型：让逻辑最严谨的GPT-4o做规划（Planner），让免费且上下文窗口极大的Gemini 2.0 Flash做调研（Researcher），让性价比拉满的DeepSeek V3专职编码（Coder）。既兼顾了开发质量，又控制了成本，完美解决单一模型的能力局限与费用痛点。

更关键的是，Opencode内置GLM-4.7、MiniMax M2.1、Grok Code Fast 1等多款免费模型，即便没有任何付费大模型订阅，也能享受高质量编码效果，还支持本地部署ollama或LM studio模型，隐私敏感型团队也能安心使用。而GLM-4.7在SWE-bench中73.8%的得分，甚至超过了Claude Sonnet 4.5的72.1%，成为开源工具中的优选模型。

二、工具无界扩展，打破商业工具的功能枷锁

Cursor等商业工具内置的工具多经过“严选”，自定义扩展能力弱，无法满足个性化开发需求。而Opencode完全开源，支持随手编写Python脚本作为工具挂载，还能通过MCP协议接入Sentry错误监控、Context7文档搜索等服务，工具边界可无限拓展。搭配Sisyphus后，这些自定义工具能被智能调用，比如你挂载了专属调试脚本，Sisyphus会在编码遇到问题时自动启用，无需手动触发。值得一提的是，Claude Code同样支持MCP协议扩展，生态兼容性表现出色。

三、多智能体协同，Sisyphus牵头打造“AI外包团队”

安装oh-my-opencode插件后，Opencode就拥有了一支智能体团队，而Sisyphus作为默认总指挥，负责拆解任务、分配角色、推进全流程，相当于给你配了一个免费的AI外包团队：

• Sisyphus（西西弗斯）：核心总指挥，默认接管任务，擅长“死磕模式”，遇到复杂需求（如Python2转Python3升级）会全程跟进，直到问题解决；

• Oracle（先知）：架构设计师，负责方案选型、调试疑难问题，搭配Sisyphus可确保代码架构合理；

• Librarian（图书管理员）：专业文档检索员，快速查找官方文档、技术资料，解决编码中的知识盲区；

• Explore（探索者）：代码搜索专家，精准定位项目中关联代码片段；

• Frontend Engineer：前端专项能手，负责生成美观且可用的界面代码。

只需用“@名字”就能呼叫对应智能体协同，比如@oracle审核架构、@librarian查询API用法，Sisyphus会统筹协调，避免重复工作，效率远超单一工具的单兵作战。

补充方案：Claude Code+GLM-4.7 商业工具的精准适配

GLM-4.7的推出，让不少开发者开始尝试Claude Code——智谱对两者的集成做了大量优化，相同模型下，Claude Code的意图理解能力比Trae更出色，简单Prompt就能精准get需求。作为Anthropic官方的商业工具，它与Opencode形成“封闭高效”与“开源自由”的互补，下面从实操角度拆解这套方案。

一、Claude Code+GLM-4.7 安装配置（避坑指南）

Claude Code基于Node.js运行，安装流程与Opencode有共通点，但需注意地域限制与模型配置细节，步骤如下：

1. 环境准备：同Opencode，先安装Node.js LTS版本（v20或v22），终端输入node -v验证版本，确保环境就绪。

2. 安装Claude Code：使用国内镜像源加速下载，终端执行命令：npm install -g @anthropic-ai/claude-code --registry=https://registry.npmmirror.com；卸载命令为npm uninstall -g @anthropic-ai/claude-code，安装后用claude --version验证（显示2.1.4及以上版本即可）。

3. 跳过地域验证：Claude Code默认限制中国大陆IP登录，需手动配置跳过验证：在C盘用户目录下找到.claude.json文件，添加配置"hasCompletedOnboarding": true，重启终端即可生效。

4. 用cc-switch管理GLM-4.7：下载cc-switch（v3.9.1版本，支持安装版/免安装版，GitHub地址：https://github.com/farion1231/cc-switch），打开后点击“+”，选择“Zhipu GLM”，输入API Key、请求地址，完成GLM-4.7配置，支持多模型快速切换。

5. 测试验证：创建测试目录并进入，终端输入claude，确认后即可正常使用，GLM-4.7将作为默认模型生效。

二、核心功能：GLM-4.7适配下的效率亮点

Claude Code的核心优势的在于“开箱即用”，搭配GLM-4.7后，这些功能能最大化编码效率：

• Skill自定义：这是Claude Code的“绝招”，可将官方skill-creator目录拷贝至项目.claude\skills路径，输入“我想创建一个新的skill”，GLM-4.7会引导你定义功能，自动生成专属技能，适配个性化需求。

• subAgent任务拆分：输入/agents命令可创建子智能体，将复杂任务拆解为子任务分配给不同agent，每个agent拥有独立上下文，搭配GLM-4.7的逻辑能力，任务完成效率与准确率显著提升。

• CLAUDE.md项目管理：首次启动时输入/init初始化，生成CLAUDE.md文件，可记录项目技术栈、开发规范等信息。团队开发中，将规范文档导入后，GLM-4.7会自动遵循规范生成代码，保障一致性。

• MCP管理：输入/mcp可查看可用协议，虽无法直接添加，但可通过cc-switch可视化管理，推荐搭配sequential-thinking和task-master-ai，强化任务规划能力。

三、Opencode vs Claude Code：怎么选更合适？

两者各有侧重，结合GLM-4.7的适配效果，可按需求选择：

• 成本与自由度：Opencode开源免费，支持本地部署模型，适合隐私敏感团队和低成本需求；Claude Code需订阅（Pro版~$20/月），但开箱即用，无需复杂配置。

• 任务特性：Opencode倾向“做得彻底”，多模型协同适合跨文件重构、全流程开发，耗时稍长但覆盖度高；Claude Code追求“快速落地”，单任务处理速度更快，适合高频小改动、短期项目。

• 团队适配：Opencode适合多模型预算、需自定义工具的团队；Claude Code适合不想折腾底层，追求统一高效体验的团队，CLAUDE.md能快速同步开发规范。

Opencode+Sisyphus安装配置指南（快速上手）

Opencode基于Node.js开发，整体安装流程简单，几步就能搞定，重点是配置oh-my-opencode插件，才能解锁Sisyphus及多智能体能力。

1. 安装Node.js：前往官方网站下载安装，确保Node环境就绪，这是运行Opencode的基础。

2. 安装Opencode核心：打开终端执行命令 npm install -g opencode，完成核心工具部署。

3. 安装oh-my-opencode插件（注入灵魂）：这是启用Sisyphus及多智能体的关键，执行命令 npx oh-my-opencode install；若使用bun，可替换为 bunx oh-my-opencode install。没有该插件，Opencode只是普通CLI工具，无法实现全流程外包。

4. 配置API密钥：以官方免费的OpenCode Zen为例，执行 opencode auth login，选择“OpenCode Zen”，点击链接 https://opencode.ai/auth 免费创建API Key。注意：免费用户切勿点击右上角“enable billing”，避免产生费用，将获取到的API Key粘贴到终端，完成授权配置。若有付费模型订阅，可直接选择对应选项配置。

5. 启动并选择模型：终端输入opencode 启动工具，输入 /models 即可选择合适的模型，建议新手从OpenCode Zen推荐模型开始，稳定性更优。

Opencode+Sisyphus使用技巧（解锁全外包能力）

基础操作：两种模式灵活切换

Opencode支持Plan和Build两种核心模式，按Tab键即可快速切换，搭配Sisyphus使用更高效：

• Plan模式（计划模式）：AI只分析需求、制定方案，不修改文件，适合让Sisyphus先梳理开发思路，避免误操作；

• Build模式（执行模式）：AI获得全权限，可读写文件、执行命令，这是Sisyphus牵头编码、部署的核心模式。

基础快捷键：@引用文件、回车发送指令、shift+回车换行、/输入内置命令、!执行终端命令，无需离开终端就能完成全流程操作，适配开发者终端优先的使用习惯。

常用命令：高效管控开发流程

• /init：让AI（含Sisyphus）快速了解项目背景，相当于给AI团队做新员工培训；

• /undo//redo：撤销/重做上一步操作，类似Ctrl+Z/Ctrl+Y；

• /compact：清理对话历史，释放内存，保持运行流畅；

• /new：开启新对话，适合切换开发任务；

• /help：查看完整命令指南，新手必备。

Sisyphus专属隐藏技巧（全外包核心）

这些非内置命令，能最大化发挥Sisyphus的“死磕”能力，实现真正的全流程外包：

• 死磕模式（ulw）：输入 ulw 需求描述（ulw是ultrawork缩写），Sisyphus会全程跟进任务，从需求分析、编码、调试到优化，死磕到底直至完成，比如 ulw 帮我开发第一个简单智能体，用Google ADK、集成google_search工具，LLM用gemini-2.5-flash-lite，读取.env文件中的GOOGLE_API_KEY，最终提问北京的时间和天气；

• 深度思考模式（ultrathink）：遇到报错时输入 ultrathink 错误信息，Sisyphus会分析错误根源并提供解决方案，还会主动调试修复；

• 全力搜索模式（search）：输入 search 关键词，Sisyphus会调用Explore智能体，搜索项目中所有关联代码、API；

• 深度分析模式（analyze）：输入 analyze 问题描述，仅分析问题原因不修改代码，适合需要人工确认方案的场景。

实战案例：Sisyphus自动生成智能体代码

按照上述死磕模式指令，Sisyphus自动生成的完整代码如下，可直接拷贝使用，已包含API校验、Agent初始化、工具调用、异常捕获等全流程：

import os
import asyncio
from dotenv import load_dotenv
from google.adk.agents import Agent
from google.adk.runners import InMemoryRunner
from google.adk.tools import google_search

加载 .env 文件

load_dotenv()

async def main():
# 1. 检查 API Key
api_key = os.getenv(“GOOGLE_API_KEY”)
if not api_key:
print(“❌ 错误: 未找到 GOOGLE_API_KEY。请检查 .env 文件。”)
return
print(f"✅ 环境检测通过。正在初始化 Agent (Python {os.sys.version.split()[0]})…")

# 2. 定义 Agent（模型报错可尝试改为 "gemini-1.5-flash"）
root_agent = Agent(
    name="helpful_assistant",
    model="gemini-2.5-flash-lite", 
    description="一个智能助手。",
    instruction="你是一个乐于助人的助手。如果用户问的问题需要实时信息（如天气、新闻），请务必使用 Google Search 工具。",
    tools=[google_search],
)

# 3. 定义运行器
runner = InMemoryRunner(agent=root_agent)

# 4. 模拟用户提问
user_query = "现在北京几点了？那里的天气如何？"
print(f"\nUser: {user_query}")
print("Agent: (正在思考并调用工具...)\n")

try:
    # 5. 运行 Agent（run_debug 打印工具调用详细过程）
    response = await runner.run_debug(user_query)
    print("-" * 30)
    print("最终回答:\n")
    print(response)
except Exception as e:
    print(f"\n❌ 运行出错: {e}")
    print("提示: 如果是 404 错误，可能是模型名称写错了，请尝试更改 model 参数。")

if name == “main”:
asyncio.run(main())

运行后，Sisyphus会自动调用google_search工具获取实时信息，输出最终回答，全程无需开发者手动介入，真正实现了“需求一句话，代码全搞定”。

总结：AI编码的下一站，是全流程外包

Cursor这类工具虽能提升编码效率，但始终离不开开发者的主导，本质是“辅助型副驾”；而Opencode+Sisyphus通过多模型调度、多智能体协同、全流程自主执行，成为了能独当一面的“全职司机”，把编码任务彻底外包给AI，让开发者从重复编码中解放，聚焦核心需求设计。GLM-4.7适配后的Claude Code则提供了另一种高效选择，以封闭生态的精准体验，满足不同场景的开发需求。

两款工具各有优劣：Opencode适合全栈开发者、DevOps工程师、隐私敏感型团队及想低成本落地想法的新手，开源生态持续壮大（GitHub 5.3万+Star，65万+月活开发者）；Claude Code则适合追求开箱即用、高效适配GLM-4.7的开发者，Skill与subAgent功能能快速提升编码效率。

好了，今天关于Opencode+Sisyphus及Claude Code+GLM-4.7的AI编程技巧就分享到这儿。如果你觉得内容有收获，别忘了点赞、在看、转发三连，你的支持是我“肝”下去的最大动力！保持好奇，保持动手，咱们下一篇实战见！